近日，美国核医学与分子影像学会旗下期刊《Journal of Nuclear Cardiology》发表一项重要研究，显示基于自动化机器学习的模型在整合临床与PET影像数据后，可显著提高对冠状动脉疾病患者主要不良心脏事件(MACE)的预测准确性。
该研究共纳入8,357例患者，平均随访589天，期间共发生852例MACE。研究比较了自动化机器学习、逻辑回归和深度神经网络的预测效能，结果显示自动化机器学习模型的曲线下面积达到0.82，优于逻辑回归的0.79和深度神经网络的0.76。通过模型可解释性分析发现，心肌血流储备是其中最重要的预测特征。该模型不仅具有较高的预测准确性，其可解释性也有助于推动临床个体化治疗决策，为冠心病风险管理提供了更精准的新工具。
